El problema con el lead scoring tradicional
La mayoría de los equipos comerciales ordenan sus leads por "interés" o "fit": campos que se rellenan a ojo, en una llamada de 30 segundos o leyendo el correo electrónico del prospect. La consecuencia es predecible: la mitad de los buenos leads se enfrían esperando una llamada que no llega, y la mitad del tiempo del equipo se va en perseguir leads que nunca iban a cerrar.
El lead scoring con IA no es magia. Es probabilidad aplicada. Cada lead que entra en tu CRM recibe una puntuación de 0 a 100, calculada a partir de lo que el modelo aprendió de tus deals históricos: qué cerraron, qué se cayeron, qué patrones se repitieron en cada caso. El sistema deja de adivinar y empieza a calcular.
Cómo lo construimos
No llegamos con un modelo enlatado. Cada proyecto empieza con tu histórico, no con un template genérico.
1. Auditamos tu histórico
Antes de entrenar nada necesitamos al menos 200 deals históricos en tu CRM. Si tienes menos, te lo decimos: el modelo no va a aprender nada que tú no veas a ojo. Si los tienes, los analizamos: qué señales correlacionan con el cierre, qué señales parecen importantes pero no lo son, qué leads se descartaron prematuramente.
2. Entrenamos el modelo
Usamos gradient boosting (XGBoost o LightGBM según el volumen de datos). No usamos LLMs en esta capa: estos modelos son más rápidos, más explicables, más baratos de servir, y para clasificación tabular son el estado del arte. Cada predicción te dice por qué — qué señales pesaron en el score y en qué dirección.
3. Lo integramos en tu CRM
El score aparece como un campo más en cada lead. HubSpot, Salesforce, Pipedrive, Dolibarr — donde tengas el CRM, ahí va el score. Sin plugins de terceros, integración directa vía API. Tu equipo no aprende una herramienta nueva: ve un número más en la ficha que ya conoce.
4. Establecemos los cortes
Lead con score > 70 → contacto inmediato del comercial. Score 40-70 → nurturing automático (email predictivo, retargeting). Score < 40 → fuera del pipeline activo o reclasificado para revisión. Las cifras exactas las afinamos contigo durante las primeras 4 semanas viendo cómo se comporta el modelo en producción.
Qué cambia cuando esto funciona
Lo notas en tres sitios bastante rápido:
- Tu equipo de ventas deja de perseguir leads que nunca iban a cerrar — recupera horas y energía que se iban en falsos positivos.
- Los leads buenos no se enfrían esperando turno. El sistema los etiqueta al instante y arriba de la cola.
- Las reuniones de pipeline review pasan de discutir intuiciones ("a mí este me da buena vibra") a discutir números ("score 82, fit alto, dos visitas a la pricing page").
Empresas con las que hemos hecho esto reportan +25-40% en tasa de cierre sobre leads cualificados y una reducción del 60% en el tiempo de respuesta a leads top. No prometemos esos números — los hemos visto, pero dependen de tu CRM y de tu equipo. Te lo medimos con honestidad.
Cuándo NO recomendamos lead scoring
Antes del primer presupuesto te lo decimos:
- Si tienes menos de 200 deals históricos en CRM. El modelo no tiene suficiente señal.
- Si tu ciclo de venta es ultra-corto (<48h). El scoring no añade valor a esa velocidad.
- Si vendes a una lista cerrada de key accounts. Aquí lo que necesitas es ABM, no scoring.
- Si tu equipo comercial ya cierra el 50%+ de los leads que toca. La intuición les funciona, no hace falta capa adicional.
En cualquiera de estos casos hay palancas mejores. Te recomendamos cuál y dónde meter el esfuerzo.
El retraining no es opcional
Un modelo entrenado en enero pierde precisión en julio. El mercado cambia, tu producto cambia, tus competidores cambian, tu audiencia cambia. Cada trimestre re-entrenamos el modelo con los datos nuevos, comparamos métricas (AUC, precision/recall, calibración) y reajustamos los cortes si conviene. Está en el contrato. No es un setup-and-forget — es un servicio continuo.
Stack que usamos
- XGBoost / LightGBM como modelo base, con cross-validation estratificada.
- Python (scikit-learn, pandas, MLflow) para el pipeline de features y el versionado del modelo.
- Integración directa con tu CRM vía API REST. Sin plugins de terceros, sin Zapier intermedio.
- Dashboard custom en Metabase o Looker Studio para que veas los scores, la distribución, el drift del modelo.
Empezamos por una sesión de diagnóstico
Antes de presupuestar el setup completo hacemos una sesión de 90 minutos. Miramos juntos tu CRM, tus deals históricos, tu pipeline. Salimos con una recomendación honesta: si el lead scoring es para ti hoy, o si conviene empezar por otra cosa (auditoría comercial, CRM con IA, email predictivo).
Esa sesión no la cobramos. Si te interesa, cuéntanos.